![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模式识别实验
文章平均质量分 86
Qutter
主要用于整理本科期间的一些笔记(很多内容距离其被写作可能已经很久,请见谅)。有时也会发布一些工作中遇到的一些问题。
展开
-
模式识别实验四
阅读机器学习库 scikit-learn 文档中相关函数部分(https://scikit-learn.org/stable/modules/classes.html)。使用不同的决策树算法,并使用 graphviz 生成决策树图像,观察不同算法的区别。使用 KNN 函数(KNeighborsClassifier)实现K近邻分类器的训练,并测试分类结果。使用随机森林算法(RandomForestClassifier)训练分类器,并测试分类器的准确度。,随机森林模型在多样本分类中有者广泛的应用。原创 2024-01-08 20:29:24 · 421 阅读 · 0 评论 -
模式识别实验三
第一次训练,将第一类训练样本保持不变,第二第三类取负值,分类判断出第一类样本。第二次训练,将剩余样本的第二类保持不变,第三类取负值,试训练第二类样本。对于较为简单的数据,不需要使用更加复杂的深度神经网络结构,使用传统的机器学习算法即可。不仅能够同样取得非常好的效果,并且在可解释性和算力要求上有优势。调整上述步骤中的步长、训练样本分类方式和迭代次数参数,重复实验,观察结果。试推测感知器训练不收敛的可能原因。载入数据文件( iris.csv 文件)中的数据,并将其分成样本向量矩阵X和样本分类结果向量。原创 2024-01-08 20:28:52 · 819 阅读 · 0 评论 -
模式识别实验二
使用贝叶斯学习的方法,通过多次迭代,估计并调整贝叶斯估计值——样本均值,并通过matplotlib 库绘制该估计值的演变过程。调整参数后,实验效果的变化不明显,可能是没能充分掌握各函数的数学意义。对于多个参数的调参,全靠猜测和经验是行不通的。给定参数初始分布估计值(均值3.6,标准差0.4)的情况下,计算样本的均值的贝叶斯估计量(教材公式。)随机分布样本,作为研究样本,验证之后的方法是否能找到该样本正确的分布参数(调整上述步骤中指定的参数,重复实验,观察结果。数据于开始段急速上升而后趋于稳定。原创 2024-01-08 20:28:03 · 930 阅读 · 0 评论 -
模式识别实验一
安装使用一种python语言开发平台(Anaconda、Spyder、PyCharm、VSCode等),并完成数据导入的操作( iris.csv 文件,可用pandas 的。本实验的协方差矩阵计算存在一定问题,可能需要对数据进行一定的”清洗“或者归一化操作。用自定义函数方法求各列数据的均值,及每一分类中各列数据的前。求上一步中的每种分类下某一列数据的前40的协方差矩阵(的条件下,将每种分类下各列数据中后。)、协方差矩阵的逆矩阵()和协方差矩阵的行列式(取出数据中的某一列(正态分布的贝叶斯决策。原创 2024-01-08 20:26:46 · 911 阅读 · 0 评论